Thinking Machines Lab выпускает Inkling 2 Small: мультимодальную MoE модель с открытыми весами

Inkling 2 Small демонстрирует результаты, которые ставят её в один ряд с ведущими западными моделями. Согласно индексу Artificial Analysis, модель набрала 31 балл, что является рекордом среди моделей с открытыми весами на текущий момент. В корпоративных бенчмарках модель показывает производительность, близкую к frontier-уровню, что делает её пригодной для критически важных бизнес-задач.

Одним из наиболее впечатляющих показателей является результат на стороннем бенчмарке EnterpriseBench-CoreCraft от Surge AI. Модель набрала 71.8%, демонстрируя исключительные способности в агентских задачах (например, управление виртуальным поставщиком запчастей для ПК). Методология оценки включала сложные сценарии, требующие логического вывода, работы с инструментами и многошагового планирования в симулированной операционной среде.

• Artificial Analysis Index: 31 (лидер среди open-weight моделей)
• EnterpriseBench-CoreCraft (Surge AI): 71.8%
• Сравнение: Превосходит Inkling-Small по задачам рассуждения и агентской логике

API и доступность

Для разработчиков, не имеющих возможности развертывать модели такого масштаба локально, Thinking Machines Lab обеспечила доступ через платформу OpenRouter. Это позволяет интегрировать Inkling 2 Small в существующие рабочие процессы с минимальными затратами. Модель доступна как в полноразмерном виде, так и в оптимизированном квантованном варианте MXFP8 для более быстрого инференса.

Стоимость использования через API является крайне конкурентной, что делает модель доступной как для стартапов, так и для крупных энтерпрайз-клиентов. При этом наличие открытых весов на Hugging Face под лицензией Apache 2.0 позволяет компаниям полностью контролировать свои данные, разворачивая модель на собственной инфраструктуре.

• Доступ через API: OpenRouter
• Лицензия: Apache 2.0 (Open Source)
• Платформа для весов: Hugging Face

Ценообразование (API)

Ценовая политика Inkling 2 Small через OpenRouter ориентирована на максимальную эффективность использования бюджета. Стоимость разделена на входные и выходные токены, что позволяет точно прогнозировать расходы при различных типах нагрузки (например, при длинных контекстах RAG или генерации кода).

• Input: $0.30 / 1M tokens
• Output: $1.00 / 1M tokens
• Context Window: 1M tokens

Сценарии использования

Благодаря своей архитектуре и обучению, Inkling 2 Small идеально подходит для ряда высокотехнологичных задач. Во-первых, это разработка ПО: огромный контекст и высокие баллы в агентских тестах позволяют модели выступать в роли полноценного AI-инженера, способного анализировать целые репозитории.

Во-вторых, это сложные RAG-системы (Retrieval-Augmented Generation) и корпоративные агенты. Модель способна не просто извлекать информацию, но и выполнять цепочки действий, используя внешние API и инструменты для решения бизнес-задач. Также она эффективна в задачах мультимодального анализа, где требуется одновременная обработка текста и визуальных данных.

• Автономные AI-агенты и планирование
• Сложная разработка ПО и рефакторинг кода
• Enterprise RAG с контекстом до 1 млн токенов
• Мультимодальный анализ данных

Как начать работу

Разработчики могут начать работу с Inkling 2 Small прямо сейчас. Веса модели, включая оптимизированную версию MXFP8, уже доступны на Hugging Face. Для быстрого прототипирования рекомендуется использовать API OpenRouter, который предоставляет стандартный интерфейс, совместимый с большинством популярных библиотек.

Если вы планируете локальное развертывание, убедитесь, что ваша инфраструктура поддерживает работу с MoE-моделями такого масштаба и имеет достаточный объем VRAM для эффективного использования квантованных весов.

• Скачать веса: Hugging Face (поиск 'Inkling-2-Small')
• API Endpoint: OpenRouter
• Поддержка: Apache 2.0

API Pricing — Input: $0.30 per million tokens / Output: $1.00 per million tokens / Context: 1M tokens

Sources